基于圆谐-傅立叶矩的抗几何攻击数字水印算法

提出一种基于圆谐-傅立叶矩的抗几何攻击数字水印算法.利用图像函数的圆谐-傅立叶矩幅度的旋转、缩放不变性,在水印检测时,计算待检图像局部区域的圆谐-傅立叶矩,用所得的矩幅度与载体图像在该区域的矩幅角构成新的矩,通过与待检图像的矩进行比较,可以近似地恢复水印图像.实验结果表明,圆谐-傅立叶矩算法具有很好的旋转和缩放不变性,水印对旋转和缩放等噪声攻击具有较好的检测性.     

基于量子算法的图像边缘检测研究

为了提高图像边缘检测的质量,采用量子算法.首先在二维Hilbert空间建立量子基态,在量子旋转门的复空间的旋转中,调整的旋转角步长使得概率幅始终向着最优解出现的方向旋转;接着实现图像从灰度空间到图像量子空间的映射;最后在图像像素的叠加态关联中通过线性加权厄米算法投影的平均值对图像边缘检测,同时确定检测范围.仿真实验显示,此算法检测图像边缘清晰,检测的信息量丰富.     

结合学习特征的图像矩视觉伺服方法

针对平面图像特征选择,提出一种结合学习特征的改进图像矩视觉伺服方法,以解决不变图像矩特征存在的交互矩阵奇异问题并获得更优的运动特性.该方法首先基于不变矩特征具有的TRS(2D平移、2D旋转及尺度变化)不变特性,利用非线性支持向量机回归算法,对不变矩特征与摄像机X轴、Y轴转角的关系进行分别学习建模;然后利用两个模型的估计值(即学习特征)作为针对X轴旋转及Y轴旋转运动的图像特征,其交互矩阵具有完全解耦及线性特性,且对于任意平面目标不存在奇异问题;进而结合目标图像重心点坐标和面积的归一化特征及图像方向角特征,实现摄像机在任务空间的平移及旋转六自由度控制;最后通过仿真验证了文中方法的有效性.     

图像矩在图像区域复制粘贴检测中的快速计算算法

在图像区域复制粘贴篡改检测中,特征提取是非常重要的一个步骤,而图像矩(如Zernike矩,圆谐-傅里叶矩和指数矩)是一种比较常见的特征向量.针对目前大多数检测算法在提取某些图像矩运行时间过长的问题,提出一种图像矩的快速算法.利用计算机仿真计算图像矩时,要把积分形式的表达式离散化,将积分转化为求和.在最终的计算图像矩的离散表达式中,可以将表达式分成固定值和像素值的乘积.将两部分分开计算,只计算固定值一次,像素值N_(um)次,然后得到它们的乘积.由此大大减少了计算的次数,从而大幅度降低了运行时间.只要图像的分辨率不变和计算的图像矩个数足够多,相比于经典的计算方法,图像矩的快速算法能极大的提高算法的运行效率.     

基于多特征的旋转不变纹理图像检索

为了消除图像旋转对图像检索的影响,提出了一个基于非下采样轮廓波变换、灰度共生矩阵和新相似性度量的旋转不变纹理图像检索算法。非下采样轮廓波变换具有各向异性和平移不变性。灰度共生矩阵描述了图像的方向性、邻近空间关系和方差的变化范围。通过计算每个非下采样轮廓波变换尺度下的所有子带的平均能量和平均标准差,灰度共生矩阵的二阶矩角、惯性熵、惯性矩、反差分矩,惯性相关系数的均值、标准差,得到具有旋转不变性的纹理多特征。提出一种新的相似性度量以改进纹理图像检索性能。实验结果表明,对于1个含640幅图像的旋转纹理图像库,与基于双树复小波变换的方法相比,该文图像检索算法将旋转纹理图像检索准确率由73.28%提高至80.71%。     

实景图像的形态学角检测研究

针对二值图像角检测提出了一种改进的形态学检测算法,此算法利用了圆盘算子的对称性,避免了结构元的旋转,提高了检测算法的运行效率.然后提出了一种改进的EM图像分割方法对灰度及彩色图像进行分割处理,增强了分割后图像的区域特征,为形态学灰度及彩色图像的角检测提供了更为合理的检测环境.实验结果证明在含有噪声及复杂背景情况下,该方法仍可获得较好的检测结果.     

改进的MOPs图像匹配算法

针对MOPs算法在处理图像旋转方面的不足,提出了一种新的旋转不变的特征描述子,用以匹配存在缩放、旋转、平移的图像.用Harris角点检测算法,检测金字塔模型的每层图像,在特征点处提取旋转不变特征描述子,用特征描述子之间的匹配来寻找两图像间的匹配点,最后用RANSAC方法剔除误配点,实验结果表明比MOPs算法具有明显的优越性.     

基于改进伪Zernike矩的数字水印算法

抵抗几何变换一直是水印算法研究的难点和重点,构造图像强的几何不变性空间是解决问题的一种思路.图像的伪Zernike矩具有较强的旋转不变性,通常在模式识别中有着广泛应用.利用数字图像伪Zernike矩的旋转不变性进行改进,对矩归一化,使得归一化后的矩在保持旋转不变性的同时,还具有缩放不变性.直接在图像的矩上嵌入水印需要重建图像,会严重破坏图像质量,且计算量巨大,本文提出改进的嵌入方案,结合图像的伪Zernike矩重构水印信息,直接添加在图像空域内,避免图像的重建,不仅保证图像质量,时间效率也有大幅提高.实验结果表明,提出的方法在对抗常规信号处理及图像旋转、缩放等方面有较好的鲁棒性.     

基于Fourier-Mellin矩边缘检测的改进算法

为了满足计算机视觉标定与精密测量对图像边缘定位的高精度和抗噪声要求,提出一种基于正交Fourier-Mellin矩亚像素边缘检测的改进算法.首先,建立亚像素边缘理想模型,推导了新的Fourier-Mellin矩7×7模板,利用各级矩的卷积来提取边缘点细节特征.然后,根据幅值旋转不变性原理,通过分析图像边缘旋转至垂直方向后各阶次Fourier-Mellin矩之间的关系,得到被测点亚像素边缘的各级参数.再根据改进的边缘判据,利用其高阶矩的细节描述能力和低阶矩的噪声抑制能力,确定图像中实际边缘点的亚像素坐标.实验结果表明,改进算法具有更高的检测精度和更强的抗噪性能,对含噪直线和含噪曲线的定位精度可达0.07像素和0.10像素,更好地满足了图像边缘定位的稳定可靠、高精度测量要求.     

基于ORB和 GroupSAC复杂场景视频图像的快速角点检测

针对传统的角点检测在复杂场景视频图像中角点检测的准确率不高、实时性差的问题,提出了基于ORB特征提取和GroupSAC的快速角点检测算法。首先在O-FAST中加入图像金字塔对图像进行角点检测,保证了视频图像角点检测的尺度不变性,然后利用灰度质心对求得的主方向进行BRIEF特征提取,保证了视频角点检测的旋转不变性。最后利用基于混合二项式模型的GroupSAC算法去除误差点,提高了角点检测的准确率。实验证明,在复杂场景视频图像中,如在光照变化、尺度变化、旋转变化以及遮挡图像的情况下,该方法具有较高的准确性、较低的时间复杂度和较强的鲁棒性,实现了对复杂场景视频图像的快速角点检测。     

基于Harris角点与SIFT的快速图像匹配算法

针对基于局部特征的图像匹配算法,当图像发生较大的旋转变化时此算法会发生匹配率下降的问题,并且随着时间、场景、遮挡、光线的变化,图像的特征会发生模糊变化,这将严重影响匹配率,因此提出了一种基于Harris角点与SIFT的快速图像匹配算法,该算法用Harris检测图像的角点,在角点邻域内筛选SIFT特征点,并且利用高斯圆形窗口对筛选过的特征点建立低维描述子.该算法不仅具备了Harris算法的高稳定性而且兼顾了SIFT算法对于旋转变化较大的图像也有着高匹配率的特性.仿真结果表明,与SIFT算法相比,本文提出的算法不仅匹配速度快,而且在图像发生模糊变化、旋转变化的情况下可得到高匹配率.     

黑白棋盘格角点检测算法

分析了现有棋盘格角点检测算法存在的不足,提出了一种新的棋盘格角点检测算法.该算法定义4个特征方向,并通过黑白检测算子(BW)检测特征方向上像素的灰度分布特征,获得像素级精度的角点坐标位置;再根据局部窗口内响应值的相似度与影响因子对角点坐标加以修正,实现了亚像素级精度的角点坐标定位.该算法对图像的旋转和亮度变换具有鲁棒性.将本方法应用于实际拍摄的棋盘格图像,证明了其对棋盘格角点检测的有效性和实用性.     

B 样条尺度空间轮廓演化差异的角点检测

为了提高图像角点检测精度和提升角点运算效率,提出了一种新颖的基于B-样条尺度空间的轮廓演化差异的角点检测算法.把DoB(Difference of B-spline)的范数定义为角点的响应函数,用来刻画其尺度演化差异.DoB角点检测器融合了图像轮廓在不同尺度下的特征信息,既增强了特征点的响应,又抑制了噪声的影响.采用B-样条函数做卷积运算在各类角点检测器中复杂度小,速度快.通过实验对比,结果表明提出的算法具有良好的定位、抗噪及旋转和尺度不变性.     

基于切比雪夫-傅立叶矩的抗几何攻击数字水印

利用图像的Chebyshev-Fourier矩幅度具有旋转、缩放、平移等不变的性质,提出一种抗几何攻击水印算法,首先计算原始图像的Chebyshev-Fourier矩,并将其作为原始矩,然后将水印图像在空域直接嵌入原始图像中,并计算嵌入区域的Chebyshev-Fourier矩,当图像未受攻击时,利用嵌入区域的矩与原始矩相减便可以提取水印图像;当图像受到攻击时,将原始图像做相应的攻击,利用上述方法同样可以提取水印图像,实验表明,抗几何攻击水印算法对于旋转、缩放、平移、噪声等攻击具有较好的鲁棒性.     

不变矩算法的改进与人耳识别技术

由于人耳识别具有不受表情、化妆等影响的独特优势,研究了人耳识别特征技术,对不变矩算法进行了改进,获得6个改进的高阶不变矩特征向量.分别用两种算法对人耳图像进行识别处理,比较两种识别结果.改进后不变矩算法的高阶不变矩具有平移、旋转不变和尺度缩放不变的特性.采用BP人工神经网络对60只人耳图像进行识别验证,正确识别率达到91.8%.     

一种有效的聚束式合成孔径雷达图像特征提取算法

提出一种聚束式合成孔径雷达图像特征提取的有效算法.通过小波变换图像去噪法提高信噪比;利用Canny算子完成边缘检测;根据雷达图像的特点提出边缘检测后不做曲线闭合,而直接进行阈值处理的图像分割.图像预处理后提取具有旋转、尺度、平移不变性的Hu矩作为特征矢量并归一化,在训练阶段引入聚类分析.以MSTAR实测数据为样本,用最近邻分类器和BP神经网络分类器对该特征提取算法进行识别能力测试,算法的有效性得到了验证.     

基于特征域和Zernike矩的多倍零水印版权认证方案

利用特征域和Zernike矩,提出一种多倍零水印版权认证方案。该方案采用Harris角点检测去提取载体图像的特征点,然后将这些特征点扩展成半径为R的特征域。特征域的Zernike矩不变量被用来构造特征向量,并且将这些特征向量二值化以形成多倍零水印。在水印检测阶段,通过正确检测出的水印数量与阈值的比较来证明检测图像的版权属性。研究结果表明提出的方法能拒绝各种攻击,包括模糊、噪声、中值滤波、JPEG压缩、旋转、缩放、剪切及Stirmark RBA攻击。与同类算法相比,文中所提方法具有更好的性能。     

基于矩和多分辨分析的图像识别

应用矩和多分辨分析对图像进行特征提取，求取不同分辨率下的小波系数的均值、能量和方差，作为特征向量。这组特征向量是将图像的矩特征和小波特征结合形成小波矩特征，即反映了图像的全局信息，又反映了图像的局域性信息，并且具有旋转、平移和缩放不变性。该算法不但解决了图像识别中特征量随图像旋转、平移和缩放而变化的问题，而且提高了对近似物体的识别能力。最后简要介绍了仿真实验及结果，证实此算法能对飞机、舰船等目标进行有效的识别。     

一种改进的Harris角点检测算法

Harris角点检测算法是一种经典算法,但对于大尺度图像,误检现象比较严重,并且耗时过长.本文提出一种新的检测算法,通过对圆形区域进行非极大值抑制,能够明显地降低角点检测时间,并且能够有效地减少误检.同时,在不改变任何参数的情况下,对于图像旋转,能够明显地减小提取的差异.通过实验对比,本算法简单方便,提取角点也非常有效,相对于传统Harris算法具有更好的角点检测性能.     

基于旋转不变小波阈值的多尺度边缘检测

在自适应多尺度边缘检测算法中用旋转不变小波非线性阈值代替原来的高斯滤波做平滑,并对尺度指数采样产生尺度集合,以确定边缘像元的最佳尺度,得到基于旋转不变小波阈值的多尺度边缘检测算法.该算法避免了对原图像的过度光滑,用于检测边缘的最佳尺度与边缘存在的尺度空间范围相匹配.实验证明新算法检测的图像比较清晰,具有较高的信噪比,而且可以用来检测含少量白噪声图像.